மருந்து கண்டுபிடிப்பை துரிதப்படுத்த புதிய AI மாடல்களை கூகிள் வெளியிடுகிறது

TxGemma: கூகிளின் AI குடும்பத்தின் ஒரு சிறப்புப் பிரிவு

இந்த புதிய மாடல்கள், கூட்டாக TxGemma என அழைக்கப்படுகின்றன, கூகிளின் ஜெம்மா குடும்பத்தின் ஓப்பன் சோர்ஸ், ஜெனரேட்டிவ் AI (GenAI) மாடல்களின் ஒரு சிறப்பு விரிவாக்கத்தைக் குறிக்கின்றன. ஜெம்மா மாடல்கள், கூகிளின் அதிநவீன ஜெமினி AI தளத்தின் அடித்தளத்தில் கட்டமைக்கப்பட்டுள்ளன, இதன் சமீபத்திய பதிப்பு டிசம்பரில் வெளியிடப்பட்டது.

TxGemma கருவித்தொகுப்பு இந்த மாத இறுதியில் கூகிளின் ஹெல்த் AI டெவலப்பர் ஃபவுண்டேஷன்ஸ் திட்டத்தின் மூலம் அறிவியல் சமூகத்திற்கு வெளியிடப்பட உள்ளது. இந்த முயற்சி ஆராய்ச்சியாளர்களை மாடல்களை மதிப்பீடு செய்யவும் செம்மைப்படுத்தவும் அனுமதிப்பதன் மூலம் ஒத்துழைப்பையும் மேலும் வளர்ச்சியையும் நோக்கமாகக் கொண்டுள்ளது. அவற்றின் பயன்பாட்டின் முழு அளவு இன்னும் பார்க்கப்பட வேண்டியிருந்தாலும், ஆரம்ப வெளியீடு வணிகத் தழுவலுக்கான அவற்றின் சாத்தியக்கூறுகள் குறித்த கேள்விகளை எழுப்புகிறது.

சிகிச்சையியல் மொழியைப் புரிந்துகொள்வது

கூகிளின் தலைமை சுகாதார அதிகாரி டாக்டர் கரேன் டிசால்வோ, TxGemma-வின் தனித்துவமான திறன்களைப் பற்றி விளக்கினார். இந்த மாதிரிகள் நிலையான உரை மற்றும் பல்வேறு சிகிச்சை நிறுவனங்களின் சிக்கலான கட்டமைப்புகள் இரண்டையும் புரிந்துகொள்ளும் திறனைக் கொண்டுள்ளன. இதில் சிறிய மூலக்கூறுகள், ரசாயனங்கள் மற்றும் புரதங்கள் ஆகியவை அடங்கும், அவை மருந்து வளர்ச்சியில் அடிப்படை கட்டுமானத் தொகுதிகள்.

இந்த இரட்டைப் புரிதல் ஆராய்ச்சியாளர்களுக்கு TxGemma உடன் மிகவும் உள்ளுணர்வுடன் தொடர்பு கொள்ள உதவுகிறது. சாத்தியமான புதிய சிகிச்சைகளின் முக்கியமான பண்புகளை கணிக்க உதவும் கேள்விகளை அவர்கள் கேட்கலாம். உதாரணமாக, ஆராய்ச்சியாளர்கள் TxGemma-வைப் பயன்படுத்தி மருந்து வேட்பாளர்களின் பாதுகாப்பு மற்றும் செயல்திறன் சுயவிவரங்களைப் பற்றிய நுண்ணறிவுகளைப் பெறலாம், ஆரம்ப ஸ்கிரீனிங் செயல்முறையை துரிதப்படுத்தலாம்.

மருந்து மேம்பாட்டின் சவால்களை எதிர்கொள்வது

டாக்டர். டிசால்வோ இந்த கண்டுபிடிப்பின் பின்னணியை வலியுறுத்தினார், ‘சிகிச்சை மருந்துகளை கருத்தாக்கத்தில் இருந்து அங்கீகரிக்கப்பட்ட பயன்பாட்டிற்கு உருவாக்குவது ஒரு நீண்ட மற்றும் விலையுயர்ந்த செயல்முறை’ என்று குறிப்பிட்டார். TxGemma-வை பரந்த ஆராய்ச்சி சமூகத்திற்கு கிடைக்கச் செய்வதன் மூலம், இந்த சிக்கலான பணியின் செயல்திறனை மேம்படுத்த கூகிள் புதிய அணுகுமுறைகளை ஆராய்வதை நோக்கமாகக் கொண்டுள்ளது.

AI: லைஃப் சயின்ஸில் ஒரு உருமாறும் சக்தி

AI-யின் தோற்றம் லைஃப் சயின்ஸ் துறையில் மறுக்கமுடியாத வகையில் புரட்சியை ஏற்படுத்தியுள்ளது. பரந்த தரவுத்தொகுப்புகளை செயலாக்குதல், மறைக்கப்பட்ட வடிவங்களை அடையாளம் காணுதல் மற்றும் தரவு சார்ந்த கணிப்புகளை உருவாக்குதல் ஆகியவற்றின் திறன் முன்னோடியில்லாத வாய்ப்புகளைத் திறந்துள்ளன. AI ஏற்கனவே மருந்து வளர்ச்சியின் பல்வேறு நிலைகளில் தீவிரமாக பயன்படுத்தப்படுகிறது, அவற்றுள்:

• மருந்து இலக்குகளை அடையாளம் காணுதல்: நோய் செயல்முறைகளில் ஈடுபட்டுள்ள குறிப்பிட்ட மூலக்கூறுகள் அல்லது பாதைகளை சுட்டிக்காட்டுதல்.
• புதிய மருந்துகளை வடிவமைத்தல்: விரும்பிய சிகிச்சைபண்புகளுடன் புதிய சேர்மங்களை உருவாக்குதல்.
• ஏற்கனவே உள்ள சிகிச்சைகளை மறுபயன்படுத்துதல்: மற்ற நிலைமைகளுக்கு ஏற்கனவே அங்கீகரிக்கப்பட்ட மருந்துகளுக்கு புதிய பயன்பாடுகளைக் கண்டுபிடித்தல்.

AI-க்கு ஏற்ப ஒழுங்குமுறை நிலப்பரப்பு

மருந்து வளர்ச்சியில் AI-யின் விரைவான தத்தெடுப்பு ஒழுங்குமுறை அமைப்புகளை பதிலளிக்க தூண்டியுள்ளது. இந்த ஆண்டின் தொடக்கத்தில், FDA ஒழுங்குமுறை சமர்ப்பிப்புகளில் AI-யின் பயன்பாடு குறித்த தனது முதல் வழிகாட்டுதலை வெளியிட்டது, இந்த தொழில்நுட்பத்தை சமர்ப்பிப்புகளில் எவ்வாறு இணைக்க வேண்டும் என்பது குறித்த தெளிவை வழங்குகிறது. இதேபோல், 2024 ஆம் ஆண்டில், EMA மருத்துவ தயாரிப்பு வாழ்க்கைச் சுழற்சி முழுவதும் AI-யின் பயன்பாடு குறித்த தனது கண்ணோட்டத்தை கோடிட்டுக் காட்டும் ஒரு பிரதிபலிப்பு ஆவணத்தை வெளியிட்டது. இந்த முன்னேற்றங்கள் மருந்து ஆராய்ச்சி மற்றும் ஒழுங்குமுறையின் எதிர்காலத்தை வடிவமைப்பதில் AI-யின் பங்கை அங்கீகரிப்பதை எடுத்துக்காட்டுகின்றன.

TxGemma-வுக்கு அப்பால்: கூகிளின் சுகாதார முயற்சிகளின் ஒரு பார்வை

‘The Check Up’ நிகழ்வு கூகிளில் இருந்து பலதரப்பட்ட பிற ஆரோக்கியம் தொடர்பான முன்னேற்றங்களை காட்சிப்படுத்தியது:

கூகிள் தேடலில் மேம்படுத்தப்பட்ட சுகாதார முடிவுகள்

பயனர்களுக்கு நம்பகமான மற்றும் பொருத்தமான சுகாதார தகவல்களை வழங்கும் தேடுபொறியின் திறனை மேம்படுத்துவதை கூகிள் எடுத்துக்காட்டுகிறது. இது அதிகாரப்பூர்வ ஆதாரங்களுக்கு முன்னுரிமை அளிக்கவும், தகவல்களை தெளிவான மற்றும் அணுகக்கூடிய வடிவத்தில் வழங்கவும் தேடல் வழிமுறைகளை செம்மைப்படுத்துவதை உள்ளடக்குகிறது.

ஹெல்த் கனெக்ட் ஆப்ஸில் மருத்துவ பதிவுகள் அம்சம்

கூகிளின் ஹெல்த் கனெக்ட் பயன்பாட்டில் ஒரு புதிய அம்சம் அறிமுகப்படுத்தப்பட்டது, இது பயனர்கள் தங்கள் மருத்துவ பதிவுகளை பாதுகாப்பாக சேமிக்கவும் நிர்வகிக்கவும் உதவுகிறது. இந்த மையப்படுத்தப்பட்ட தளம் தனிநபர்களுக்கு அவர்களின் சுகாதார தரவின் மீது அதிக கட்டுப்பாட்டை வழங்குவதையும் சுகாதார வழங்குநர்களுடன் தடையற்ற பகிர்வை எளிதாக்குவதையும் நோக்கமாகக் கொண்டுள்ளது.

AI ‘இணை விஞ்ஞானி’: ஒரு மெய்நிகர் ஆராய்ச்சி பங்குதாரர்

பிப்ரவரியில் அதன் அறிவிப்பைத் தொடர்ந்து, கூகிள் தனது AI ‘இணை விஞ்ஞானி’ கருத்தை மேலும் விரிவாகக் கூறியது. இந்த மெய்நிகர் ஒத்துழைப்பாளர் விஞ்ஞானிகளுக்கு புதிய கருதுகோள்கள் மற்றும் ஆராய்ச்சி முன்மொழிவுகளை உருவாக்குவதில் உதவ வடிவமைக்கப்பட்டுள்ளது. இயற்கை மொழி செயலாக்கத்தைப் பயன்படுத்துவதன் மூலம், AI இணை விஞ்ஞானி ஆராய்ச்சி இலக்குகளை பகுப்பாய்வு செய்து, தொடர்புடைய வெளியிடப்பட்ட இலக்கியங்கள் மற்றும் சாத்தியமான சோதனை அணுகுமுறைகளின் சுருக்கங்களுடன் சோதிக்கக்கூடிய கருதுகோள்களை முன்மொழிய முடியும்.

எடுத்துக்காட்டாக, ஆராய்ச்சியாளர்கள் நோய் உண்டாக்கும் நுண்ணுயிரியின் பரவலைப் பற்றிய தங்கள் புரிதலை ஆழப்படுத்த விரும்பினால், அவர்கள் இந்த இலக்கை இயல்பான மொழியில் வெளிப்படுத்தலாம். AI இணை விஞ்ஞானி பின்னர் பரிந்துரைக்கப்பட்ட கருதுகோள்கள், தொடர்புடைய ஆராய்ச்சி ஆவணங்கள் மற்றும் சாத்தியமான சோதனை வடிவமைப்புகளுடன் பதிலளிப்பார்.

கேப்ரிகான்: தனிப்பயனாக்கப்பட்ட குழந்தை பருவ புற்றுநோய் சிகிச்சைக்கான AI

இறுதியாக, கூகிள் கேப்ரிகான் என்ற AI கருவியை முன்னிலைப்படுத்தியது, இது குழந்தை பருவ புற்றுநோய்களுக்கான தனிப்பயனாக்கப்பட்ட சிகிச்சைகளை அடையாளம் காண்பதை துரிதப்படுத்த ஜெமினி மாடல்களைப் பயன்படுத்துகிறது. கேப்ரிகான் பொது மருத்துவ தரவை அடையாளம் நீக்கப்பட்ட நோயாளி தகவலுடன் ஒருங்கிணைப்பதன் மூலம் இதை அடைகிறது, இது மருத்துவர்கள் தனிப்பட்ட நோயாளிகளுக்கு சிகிச்சை உத்திகளை மிகவும் திறம்பட வடிவமைக்க உதவுகிறது.

TxGemma-வின் சாத்தியமான பயன்பாடுகளின் ஆழமான பார்வை

மனிதனால் படிக்கக்கூடிய உரைக்கும் மூலக்கூறு கட்டமைப்புகளின் சிக்கலான, பெரும்பாலும் மறைபொருளான உலகிற்கும் இடையிலான இடைவெளியைக் குறைக்கும் மாதிரியின் திறனில் முக்கிய வலிமை உள்ளது.

TxGemma எவ்வாறு பயன்படுத்தப்படும் என்று எதிர்பார்க்கப்படுகிறது என்பது இங்கே:

1. இலக்கு அடையாளம் காணுதல்:

   • ஒரு ஆராய்ச்சியாளர் உள்ளிடலாம்: “KRAS-பிறழ்ந்த புற்றுநோய் உயிரணுக்களின் வளர்ச்சியைத் தடுப்பதற்கான சாத்தியமான புரத இலக்குகளை அடையாளம் காணவும்.”
   • TxGemma, அறிவியல் இலக்கியம் மற்றும் மூலக்கூறு தரவுகளின் பரந்த தரவுத்தளங்களை வரைந்து, KRAS புரதத்துடன் தொடர்பு கொள்ளும் அல்லது KRAS செல்வாக்கு செலுத்தும் பாதைகளில் ஈடுபட்டுள்ள புரதங்களின் பட்டியலை பரிந்துரைக்கலாம். இது “மருந்தாக்கக்கூடிய தன்மை” (ஒரு சிறிய மூலக்கூறு திறம்பட பிணைக்கப்பட்டு புரதத்தை மாற்றியமைக்கக்கூடிய வாய்ப்பு எவ்வளவு) போன்ற காரணிகளின் அடிப்படையில் இந்த இலக்குகளை வரிசைப்படுத்தலாம்.

2. முன்னணி சேர்மம் கண்டுபிடிப்பு:

   • ஒரு ஆராய்ச்சியாளர் உள்ளிடலாம்: “புரத கைனேஸ் AKT1-ன் செயலில் உள்ள தளத்துடன் அதிக ஈடுபாட்டுடன் பிணைக்கும் சிறிய மூலக்கூறுகளைக் கண்டறியவும்.”
   • TxGemma பில்லியன் கணக்கான சேர்மங்களின் மெய்நிகர் நூலகங்கள் மூலம் தேடலாம், அவற்றின் 3D கட்டமைப்பின் அடிப்படையில் AKT1 புரதத்துடன் அவற்றின் பிணைப்பு ஈடுபாட்டை கணிக்கும். கணிக்கப்பட்ட கரைதிறன், ஊடுருவும் தன்மை மற்றும் சாத்தியமான நச்சுத்தன்மை போன்ற பண்புகளின் அடிப்படையில் இந்த சேர்மங்களை வடிகட்டலாம்.

3. செயல்பாட்டு பொறிமுறை ஆய்வுகள்:

   • ஒரு ஆராய்ச்சியாளரிடம் ஒரு நம்பிக்கைக்குரிய சேர்மம் உள்ளது, ஆனால் அது எவ்வாறு செயல்படுகிறது என்பது சரியாகத் தெரியவில்லை. அவர்கள் உள்ளிடலாம்: “முன்கூட்டிய மாதிரிகளில் அல்சைமர் நோய்க்கு எதிராக செயல்பாட்டைக் காட்டும் சேர்மம் XYZ-ன் செயல்பாட்டு பொறிமுறையை கணிக்கவும்.”
   • TxGemma சேர்மத்தின் கட்டமைப்பை பகுப்பாய்வு செய்யலாம், அதை அறியப்பட்ட மருந்துகளுடன் ஒப்பிடலாம், மேலும் மரபணு வெளிப்பாடு மாற்றங்கள் மற்றும் புரத-புரத தொடர்புகள் பற்றிய தரவுகளுடன் குறுக்கு-குறிப்பு செய்து, சேர்மம் பாதிக்கக்கூடிய சாத்தியமான பாதைகள் அல்லது இலக்குகளை பரிந்துரைக்கலாம்.

4. மருந்து மறுபயன்பாடு:

   • ஒரு ஆராய்ச்சியாளர் கேட்கலாம்: “அரிதான மரபணு கோளாறு ABC-க்கு சிகிச்சையளிக்க மறுபயன்படுத்தக்கூடிய ஏற்கனவே உள்ள மருந்துகளை அடையாளம் காணவும்.”
   • TxGemma கோளாறு ABC-ன் மரபணு மற்றும் மூலக்கூறு அடிப்படையை பகுப்பாய்வு செய்யலாம், பின்னர் அந்த மருந்துகள் முதலில் முற்றிலும் வேறுபட்ட நிலைக்கு உருவாக்கப்பட்டிருந்தாலும் கூட, நோயில் ஈடுபட்டுள்ள பாதைகள் அல்லது புரதங்களை குறிவைக்கும் மருந்துகளைத் தேடலாம்.

5. நச்சுத்தன்மை கணிப்பு:

   • ஒரு சேர்மத்தை விலையுயர்ந்த மருத்துவ பரிசோதனைகளுக்கு நகர்த்துவதற்கு முன், ஆராய்ச்சியாளர்கள் அதன் சாத்தியமான நச்சுத்தன்மையை மதிப்பிட வேண்டும். TxGemma-வை இதற்குப் பயன்படுத்தலாம்: “சேர்மம் PQR கல்லீரல் பாதிப்பு அல்லது கார்டியோடாக்சிசிட்டியை ஏற்படுத்தும் சாத்தியத்தை கணிக்கவும்.”
   • மாதிரி சேர்மத்தின் கட்டமைப்பை பகுப்பாய்வு செய்து, அறியப்பட்ட நச்சு சேர்மங்களின் தரவுத்தளங்களுடன் ஒப்பிட்டு, சாத்தியமான சிவப்பு கொடிகளை அடையாளம் காணும்.

ஓப்பன் சோர்ஸ் நன்மை: கண்டுபிடிப்புக்கான ஒரு ஊக்கி

TxGemma-வை ஒரு ஓப்பன் சோர்ஸ் மாதிரியாக வெளியிடுவதன் மூலம், கூகிள் ஒரு கூட்டுச் சூழலை வளர்க்கிறது, மற்றும் கண்டுபிடிப்பின் வேகத்தை துரிதப்படுத்துகிறது.
சாத்தியமான தாக்கம் பெருக்கப்படுகிறது.
உலகெங்கிலும் உள்ள ஆராய்ச்சியாளர்கள் மாதிரியின் வளர்ச்சிக்கு பங்களிக்க முடியும், அதன் வழிமுறைகளை செம்மைப்படுத்துதல், அதன் அறிவுத் தளத்தை விரிவுபடுத்துதல் மற்றும் குறிப்பிட்ட ஆராய்ச்சி தேவைகளுக்கு ஏற்ப அதை வடிவமைத்தல்.

மருந்து கண்டுபிடிப்பின் எதிர்காலம்

TxGemma மற்றும் பிற AI-ஆற்றல் கொண்ட கருவிகளின் அறிமுகம் மிகவும் திறமையான மற்றும் பயனுள்ள மருந்து வளர்ச்சிக்கான தேடலில் ஒரு குறிப்பிடத்தக்க படியை குறிக்கிறது. AI ஒரு மாய தோட்டா அல்ல என்றாலும், இது மனித நிபுணத்துவத்தை அதிகரிக்கவும், ஆராய்ச்சி காலக்கெடுவை துரிதப்படுத்தவும், இறுதியில் உயிர் காக்கும் சிகிச்சைகளை நோயாளிகளுக்கு விரைவாக கொண்டு வரவும் மகத்தான ஆற்றலைக் கொண்டுள்ளது. லைஃப் சயின்ஸில் AI-யின் தொடர்ச்சியான பரிணாமம், மருந்து கண்டுபிடிப்பு அதிக தரவு சார்ந்ததாகவும், துல்லியமானதாகவும், இறுதியில், அதிக வெற்றிகரமானதாகவும் இருக்கும் ஒரு எதிர்காலத்தை உறுதியளிக்கிறது.